将数组提升到另一个数组的功率，即扩展数组的维数。

Question

是否可以使用numpy将数组提升到另一个数组的功率，从而产生一个比输入维度更大的结果?也就是说，不仅仅是简单的元素明智地提高到。

作为一个简单的例子，我希望计算以下内容。下面是"longhand“表单--在实践中，这是由大型x数组上的一个循环实现的，因此速度很慢。

x = np.arange(4)
t = np.random.rand(3,3)

y = np.empty_like(x)
y[0] = np.sum(x[0]**t)
y[1] = np.sum(x[1]**t)
y[2] = np.sum(x[2]**t)
y[3] = np.sum(x[3]**t)

我想要一个矢量化的解决方案来代替每次做y[i]。但是，由于x有形状[4]，y有形状[3,3]，所以当我试图计算x**t时，会得到一个错误。

有没有快速优化的解决方案？

Answer 1

一种直接向量化的方法是使用broadcasting -

y = (x[:,None,None]**t).sum((1,2)).astype(x.dtype)

或者用内置的np.power.outer -

y = np.power.outer(x,t).sum((1,2)).astype(x.dtype)

对于大型阵列，利用多核与numexpr模块-

import numexpr as ne

y = ne.evaluate('sum(x3D**t1D,1)',{'x3D':x[:,None],'t1D':t.ravel()}).astype(x.dtype)